| 井上 雄大 | M, 2回目発表 | 大規模システム管理 | 笠原 正治 | 松本 健一 | 原 崇徳 | 中畑 裕 |
|
title: On Indie Game Development enhanced by Decentralized Autonomous Organization
abstract:Unlike the traditional mainstream game industry, indie games have attracted attention for their open and participatory game production processes, which involve both development and non-development tasks. The existing studies indicated that indie game developers are prone to avoid non-development tasks compared with development tasks due to perceived lower productivity and creativity in the former. This indicates that production efficiency may decrease if the task are not assigned to the developers appropriately. Decentralized Autonomous Organization (DAO) offers voting-based decision making, distribution of governance tokens according to human effort, and highly transparent organizational management. Thanks to these features, the DAO is expected to enhance the production efficiency as well as address technical and financial capital issues in the indie game production. In this research, we propose an incentive mechanism to improve production efficiency by integrating indie games into a DAO. Specifically, based on a skill evaluation method proposed in related research, we design an incentive mechanism that rewards developers with high technical abilities by engaging them in development processes, while those with high social abilities are assigned to non-development processes. language of the presentation: Japanese 発表題目： DAOを用いたインディーゲーム開発に関する検討 発表概要： 従来の主流のゲーム業界とは異なり、インディーゲームはオープンで参加型のゲーム制作として注目を集めている。インディーゲームの制作工程は開発工程と非開発工程に分類される。先行研究では、インディーゲーム制作者は生産性の欠如や創造的ではないという理由から非開発工程に従事することを避ける傾向があることが指摘されている。これは、開発工程と非開発工程に関連するタスクにインディーゲーム制作者を適切に割り当てないと制作効率が低下する可能性があることを示唆している。分散型自律組織(Decentralized Autonomous Organization: DAO)は、投票による意思決定、労力に応じたガバナンストークンの配布、透明性の高い組織運営を提供できることから、インディーゲームの制作工程の効率化とこれらの資本の課題の解決が期待される。本研究では、インディーゲーム制作工程をDAOに統合し、インディーゲームの制作効率を向上することを目的として、インディーゲームの制作工程で発生するタスクを適切に割り当てるインセンティブメカニズムを提案する。具体的には、関連研究で提案されている能力評価手法に基づいて開発者のスキルを評価し、技術的能力が高い制作者が開発工程に従事し、社会的能力が高い制作者が非開発工程に従事するような報酬制度に基づくインセンティブ・メカニズムを設計する。 | ||||||
| 田中 温人 | M, 2回目発表 | ソフトウェア工学 | 松本 健一 | 笠原 正治 | Raula Gaikovina Kula | 嶋利 一真 |
|
title: Precise and Scalable Software Reuse Detection using HyperLogLog++ Sketch
abstract: In software development, it is common to build new software by reusing existing software. However, if reuse is not properly managed, it can lead to risks such as the propagation of vulnerabilities, license violations, and even supply chain attacks. To address these issues, automatic detection technologies for software reuse have been developed, and advanced detection methods based on function hashing represent state-of-the-art research. These methods achieve scalability and accuracy far surpassing existing commercial tools. However, false detections in these studies are often caused by the limitations of function-level analysis and the use of hash values. In this research, I propose a new detection algorithm by introducing HyperLogLog++ Sketch instead of hash values. This approach enables more detailed analysis and greater robustness across software versions, leading to improvements in both accuracy and scalability. language of the presentation: Japanese 発表題目: HyperLogLog++ Sketchを用いた正確でスケーラブルなソフトウェア再利用検出 発表概要: ソフトウェア開発において、既存のソフトウェアを再利用して新たなソフトウェアを構築することは一般的である。しかし、再利用が適切に管理されていない場合、脆弱性の伝播やライセンス違反、さらにはサプライチェーン攻撃などのリスクが発生する。この問題に対処するため、再利用の自動検出技術が開発されており、最先端の研究として、関数のハッシュ化に基づく検出手法がある。これにより、既存の商用ツールを大きく上回るスケーラビリティと精度が実現されている。しかし、これらの研究による誤検出は、関数単位での解析やハッシュ値を用いることの限界に起因する場合が多い。本研究では、ハッシュ値の代わりにHyperLogLog++ Sketchを導入し、新しい検出アルゴリズムを提案する。この手法により、関数単位よりも細かくかつソフトウェアバージョンに対してロバストな検出が可能となり、精度の向上とスケーラビリティの改善を行う。 | ||||||
| 中野 剛志 | M, 2回目発表 | ソフトウェア工学 | 松本 健一 | 中島 康彦 | Raula Gaikovina Kula | 嶋利 一真 |
|
title: Investigating Regional Bias in LLMs Used For Software Team Recruitment
abstract: The social biases inherent in Large Language Models (LLMs) present critical and urgent issues concerning their equality and ethicality. Previous researches have revealed that generated texts by ChatGPT are strongly tied to American culture and that DeepL exhibits gender bias. This research focuses on recruitment, an area where AI utilization is being explored, and analyzes the regional bias latent in LLMs. Using profile information from GitHub, we conducted an experiment where the "Location" in the profiles was deliberately altered, and ChatGPT was used to recruit developers. The results showed that ChatGPT demonstrated bias towards certain countries and roles. Furthermore, candidates who falsely claimed to be located in the United States were statistically more likely to be recruited. These findings suggest that LLMs may harbor regional biases. language of the presentation: Japanese 発表題目: ソフトウェアチームの採用における大規模言語モデルに潜在する地域バイアスの分析 発表概要: 大規模言語モデルに潜在する社会的バイアスは、大規模言語モデルの公平性と倫理性に関わる重要で喫緊な課題である。先行研究ではChatGPTの生成文がアメリカの文化が強く結びついていることや、DeepLの性別バイアスが明らかにされている。本研究ではAIの活用が試みられつつある採用活動に着目し，大規模言語モデルに潜在する地域バイアスを分析した。GitHub上のプロフィール情報を用いて、プロフィール内の「Location」を意図的に変更しながら、ChatGPTにより開発者を採用する実験を行なった。実験の結果、ChatGPTは特定の国・役割に偏りを示し、さらに、所在地をアメリカに偽った候補者は統計的に採用されやすい傾向が確認された。これらの結果は大規模言語モデルに地域バイアスが潜在することを示唆している。 | ||||||